便携式反坦克导弹弹道成型制导律设计

针对飞行速度快速时变的便携式反坦克导弹制导控制问题,应用最优控制原理,提出了一种考虑导弹速度快速变化的改进弹道成型制导律。采用超前滞后环节进行时变过载自动驾驶仪设计; 基于最优控制理论推导了广义弹道成型制导律和扩展弹道成型制导律,针对便携式导弹速度快速时变的特性,设计了包含时变速度信息的弹道成型制导律,并结合工程实际讨论了参数选择方法; 最后进行了仿真对比和验证。仿真结果表明,该文提出的包含时变速度信息的弹道成型制导律能够满足武器系统的近距击顶作战需求,同时能够满足导弹系统的着角、攻角、框架角、过载等约束。     

图像自寻的弹药目标检测方法综述

弹载图像目标检测方法是实现图像自寻的弹药“发射后不管”、对目标进行自主打击的关键技术。弹药图像自寻的面临着成像环境恶劣,目标特性变化快,对算法体积、速度要求苛刻等问题。围绕弹载目标检测难点问题进行综述,将基于深度学习的目标检测方法区分为基于候选框、无候选框和基于transformer的方法,回顾了各类方法主要研究进展;对特征提取网络轻量化、预测特征图增强、非极大值抑制后处理算法、训练中样本均衡、模型压缩等弹载图像目标检测模型部署中的关键技术进行了梳理;对比了典型目标检测方法在ImageNet、COCO及弹载图像目标数据集上的性能,并对未来发展进行展望。     

基于序贯蒙特卡洛与概率假设密度滤波的主动分布式声纳多目标跟踪

针对杂波数量多、目标数量和状态不确实性及观测不确实性等问题,提出了一种基于序贯蒙特卡洛与概率假设密度(SMC-PHD)滤波的分布式声纳多目标自动跟踪方法。通过随机有限集模型对多目标状态和观察进行表征,结合序贯蒙特卡洛方法中的重要性采样和重采样策略递归地实现多目标后验近似下概率假设密度的传递和滤波。利用分布式声纳观测模拟数据,对不同节点数目下基于SMC-PHD滤波的多目标跟踪进行了仿真实验。仿真实验结果表明：该方法适用于主动分布式声纳系统,能在多杂波环境下对数目未知且时变的多目标进行实时自动跟踪;在4个平台节点的主动分布式声纳系统中,实现了平均相对误差小于5%的水下多目标高精度跟踪,且目标数目估计值与真实值一致。     

车载微光瞄准镜电子稳像技术研究

针对“下反”稳像火控系统无法对微光夜视图像进行稳定的问题,提出了一种基于陀螺仪和块匹配相结合的实时高精度电子稳像技术。设计了电子稳像系统的总体结构;基于透视成像模型,推导了载体运动与图像运动之间的转换方程,给出了适当的图像运动模型及陀螺仪信号标定方法。在利用陀螺仪对图像运动矢量进行初始估计的基础上,结合块匹配算法对运动矢量进行精确估计;同时针对传统菱形搜索法在高噪声、低对比度微光图像中容易陷入局部极小值点的问题,基于对称校验原理对其进行改进,提高了算法的准确性。     

基于泛函序列时变自回归滑动平均模型的弹箭时变模态参数递推估计方法

随着弹簧系统朝着大型化、高速化、智能化发展,飞行状态下弹箭系统的固有特性对整体结构的影响不可忽视。针对弹箭在飞行状态下的时变模态参数辨识问题进行研究,基于泛函序列时变自回归滑动平均（FS-TARMA）模型,提出一种时变模态参数的递推估计方法。该方法采用墨西哥帽小波基作为TARMA模型时变系数的空间基底,并借鉴于无结构化TARMA模型递推估计思想,将投影参数矩阵视为振动响应数据长度的变量,实现了投影参数矩阵的递推估计。通过有限单元法建立阿里安V号芯级运载火箭时变有限元模型,对所提方法进行验证。结果表明：递推辨识方法与传统批量算法相比,在辨识精度上,3阶模态频率辨识结果最大相对误差在5%以内;在计算效率上,递推辨识方法的计算时间缩短了9.38倍。     

异构多智能体系统时变编队控制研究

在实际应用场景中,多种智能体需要相互协作,这时多个智能体是异构的,即智能体运动模型不同,针对此问题,以由一阶和二阶智能体构成的低阶异构系统为研究对象,基于一致性原理,研究了异构多智能体系统时变编队控制问题。基于局部邻居节点之间的信息交互,提出分布式时变编队控制器,并通过理论推导给出异构多智能体系统实现时变编队的可行性条件,同时给出控制器参数设计方法,理论证明控制器稳定性。最后通过仿真结果体现了控制器的有效性,解决了低阶异构系统的时变编队控制问题。     

两级备件保障系统的装备时变可用度评估模型

分析了动态需求的备件保障问题。利用非平稳随机过程的理论,建立了需求非平稳且修理能力有限时,两级备件保障系统的使用可用度模型;提出了时变可用度评估算法;并结合实例对系统的可用度进行了评估,得到系统的时变可用度曲线。该方法为解决动态需求的系统可用度评估问题提供了新的思路。     

基于CNN的弹载图像目标检测方法研究

针对弹载图像目标检测存在适应性不足和智能度不高的问题,阐述了基于卷积神经网络的单帧和多帧图像目标检测算法;提出了在应对恶劣天气、目标旋转及尺度变化、精度速度权衡等难点中的解决策略,包括了在模型、网络结构、训练手段等方面的改进方法。同时,在通用数据集和构建的军事目标专用数据集上进行监督学习训练,对主要算法进行性能比较。结果表明,基于CNN算法能够满足实时性要求,有效提高检测能力,具有更强的环境适应性。     

非恒定环境下基于载荷谱的导弹部件寿命预测

为了解决某导弹部件在非恒定贮存环境下的寿命预测问题,提出了一种基于环境载荷谱的预测方法。分别利用Normal、Gamma分布对温度、湿度载荷谱建模;采用三参数Weibull分布拟合产品的失效时间,进而通过加速因子不变原则推导与环境相关的模型参数,在此基础上利用简化的广义Eyring模型建立时变环境与寿命模型之间的联系。案例应用验证了所提方法的有效性,结果表明此方法比传统的基于环境平均值的预测方法降低了预测误差。     

一类高阶线性时变系统自适应迭代学习辨识

针对一类在有限时间区间上可重复运行的一致强稳定、一致强可控的高阶线性时变系统,提出了模型参考自适应迭代学习参数辨识方法。基于类Lyapunov函数推导了时变参数的迭代学习律。该算法可以辨识未知的快时变参数,并保证模型跟踪误差随迭代次数趋于无穷关于有限时间区间一致收敛到0,参数估计误差有界且收敛。分析了参数估计收敛到真值的条件。仿真验证了所提辨识算法的有效性。     

基于深度卷积生成对抗网络的航拍图像去厚云方法

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。     

水下航行器壳体结构多目标优化设计研究

针对大深度水下航行器壳体结构多目标优化问题,提出一种基于自适应响应面的多目标优化方法。该方法利用实验设计得到初始点,利用响应面构造近似模型,初次优化得到Pareto解集。引入一种空间采点法,均匀得到Pareto解样点,使用高精度有限元分析技术校核后补充到初始样本集,通过一种渐近全局策略使近似模型最终满足精度。利用灰色关联分析法处理Pareto解集。结合水下航行器壳体结构实际情况,提出一种多级标度赋权法,在获得各目标权重后从Pareto解集中挑选出满意解,优化后与传统经验公式结果相比,在满足近似精度的前提下,总体性能有了一定提高。     

考虑区间不确定性的某弹丸提升装置参数优化

针对某自动装填系统弹丸提升装置在使用过程中出现的性能下降问题,提出一种考虑区间不确定性的提升装置参数优化方法。基于动力学分析软件ADAMS建立提升装置的机电液耦合模型,将液压系统参数和摩擦系数作为区间不确定量,利用区间数序关系将构件载荷及其波动区间最小转化为确定性优化目标。采用拉丁超立方抽样(LHS)技术进行抽样仿真,基于径向基函数(RBF)神经网络方法构建了提升装置的近似模型,大大提高了优化求解效率。基于多岛遗传算法和序列二次规划法的双层嵌套优化方法求得系统的鲁棒解,仿真结果与试验结果均验证了该方法在解决自动装填系统等复杂问题中的有效性和适用性。     

光学遥感图像变量分裂迭代快速复原算法

为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程设计了一种快速解析迭代的变量分裂算法。同时为了克服“阶梯效应”考虑人眼对图像平坦区域和边缘区域噪声的感知特性,给出了迭代系统中正则化参数的自适应估计。实验结果表明：本文算法在信噪比改善和计算时间都优于Wiener滤波、约束最小二乘、基于全变差梯度下降和交错子空间投影等算法保留了图像的细节信息减少了“寄生波纹效应”和”阶梯效应”。     

基于改进YOLOv4的X射线图像违禁品检测算法

为提高安检速度、实现X射线图像中违禁物品的自动检测,提出一种基于改进YOLOv4的X射线图像违禁品检测算法。该算法在单阶段目标检测算法YOLOv4基础上设计一种空洞密集卷积模块。将上采样链路融合后特征输入空洞密集卷积模块中,增强特征表达能力和卷积视野。对融合后特征信息加入注意力机制,用来增强有效特征和抑制无效特征,最终得到表征图像信息的特征图输入检测头部。采用Mosaic数据增强方法训练网络,提升网络的鲁棒性。结果表明：该算法在公开SIXray数据集上的均值平均精度达到80.16%,检测速度为25帧/s;该算法在公开SIXray数据集上多类违禁物品能够取得较高的检测精度,且满足检测的实时性要求。     

自动机虚拟仿真信息集成建模方法研究

提出了一种自动机虚拟仿真信息的集成建模方法。以中心数据库和知识库为控制平台,分别构建自动机的功能原理二维骨架参数化模型、CAD参数化模型和CAE参数化模型,通过分析自动机设计参数,建立自动机虚拟仿真集成信息知识表示,将各个模型的设计参数建立映射驱动关系,保证设计参数的一致性,实现自动机虚拟仿真设计过程中各个仿真模型的信息共享和无缝集成。该方法提高了仿真信息集成度,保证了对自动机由方案设计到详细设计的有效控制,有效地缩短了自动机开发周期。     

匹配滤波器失配下的双基地多输入多输出雷达多目标角度估计

提出了基于匹配滤波器失配的双基地多输入多输出（MIMO）雷达多目标角度估计算法。建立了存在时延、多普勒频率补偿误差情形下的双基地MIMO雷达模型。采用交替迭代的思想,将发射角、时延补偿误差和多普勒频率补偿误差的参数估计问题转化为一个二次规划问题并求解出发射角。用ESPRIT算法估计目标的接收角,并且实现了收发角度的自动配对。仿真实验证明了ESPRIT算法的有效性。此外在附录中推导了本文信号模型下的克拉美罗界。提出了基于匹配滤波器失配的双基地多输入多输出（MIMO）雷达多目标角度估计算法。建立了存在时延、多普勒频率补偿误差情形下的双基地MIMO雷达模型。采用交替迭代的思想,将发射角、时延补偿误差和多普勒频率补偿误差的参数估计问题转化为一个二次规划问题并求解出发射角。用ESPRIT算法估计目标的接收角,并且实现了收发角度的自动配对。仿真实验证明了ESPRIT算法的有效性。此外在附录中推导了本文信号模型下的克拉美罗界。     

基于改进的期望值最大化自适应光学图像多帧迭代去卷积算法

为提高自适应光学图像复原的效果,基于期望值最大化理论,提出了一种基于改进期望值最大化（EM）算法的自适应光学（AO）图像多帧联合去卷积算法。通过建立多帧AO图像退化的数学模型,推导出基于相位误差并随时间变化的点扩散函数(PSF)模型,根据图像功率谱密度及约束图像支持域的方法对AO图像进行去噪处理。应用AO成像系统参数与正则化技术相结合对EM算法进行改进,建立多帧AO图像联合去卷积的代价函数及其参数估计的优化模型。利用所建模型对模拟图像和实际观测的AO图像进行图像复原实验验证文中算法的复原效果。实验结果表明,与Wiener迭代盲去卷积、Richardson-Lucy迭代盲去卷积算法相比,文中算法迭代次数减少14.3%,估算精度有了明显提高,辨识出了AO图像的PSF,复原出了清晰的观测目标图像。研究结果对实际AO图像复原有一定的应用价值。     

弹丸批质量水平的密集度检验方法

弹丸批质量水平的密集度检验方法是考核弹丸批生产质量的重要手段。为了探索新型弹丸批质量水平的密集度检验方法,基于计算流体力学软件和经验公式的弹丸空气动力学参数快速仿真计算方法,分析弹丸的结构误差对气动参数的影响,建立了弹丸气动参数数据库。以Visual Basic为 平台,建立了考虑质量偏心、动不平衡、射角、质量、弹道风等因素的弹丸数学模型,开发了火炮弹丸密集度仿真软件并进行验证。基于仿真软件,进行了随机因素与密集度的相关性分析,得到弹质量、弹径、质量偏心、动不平衡、初始摆动角、初始摆动角速度和初速对高低密集度和方位密集度影响程度的大小顺序,给出了弹丸批质量水平密集度检验方法的流程及应用。研究结果表明,该密集度检验方法在弹丸批质量水平的考核中是可行的。     

基于混合蛙跳算法的多模盲均衡算法

针对常模盲均衡算法(CMA)收敛速度慢、收敛后稳态误差大且存在盲相位的现象,提出了一种基于混合蛙跳算法的多模盲均衡算法(SFLA-MMA)。它结合了智能优化算法的基本思想,将个体自身的进化及个体间的社会行为等概念引入到盲均衡技术中。该算法将多模盲均衡算法(MMA)代价函数的倒数定义为混合蛙跳算法(SFLA)的适应度函数,将青蛙群体中青蛙个体的位置向量作为MMA的初始权向量;利用SFLA的全局信息共享机制和局部深度搜索能力,在全局范围内搜索青蛙群体的最优位置向量并作为MMA的初始优化权向量。之后,通过MMA进行迭代,得到MMA的最优权向量。利用高阶多模正交振幅调制（QAM）与正交相移键控（APSK）信号对该算法进行了仿真验证。仿真结果表明,与CMA、MMA和基于粒子群算法的多模盲均衡算法(PSO-MMA)相比,SFLA-MMA在均衡高阶多模信号时收敛速度极快、稳态误差最小、输出信号星座图最清晰。